مبانی الگوریتم‌ها و دسته‌بندی‌های یادگیری ماشین را بر حسب نوع داده و الگو فرا می‌گیرید.

نحوه طراحی، آموزش و ارزیابی مدل‌های پایه مانند درخت تصمیم، شبکه عصبی، KNN و مدل‌های بیزی را یاد می‌گیرید.

با مفاهیم و روش‌های کلیدی یادگیری تقویتی مانند MDP، الگوریتم‌های TD و کاربرد آن‌ها در محیط‌های واقعی آشنا می‌شوید.

فرآیند انتخاب، ترکیب، بهینه‌سازی و مقابله با چالش‌هایی همچون بیش‌برازش و داده نویزی را می‌آموزید.

استفاده عملی از ابزارهای مهندسی مانند MDP Toolbox برای پیاده‌سازی و تحلیل الگوریتم‌های یادگیری را یاد خواهید گرفت.